来源：arXiv:2507.11079

作者：Li Wang, Qizhen Wu, Lei Chen

单位：北京理工大学，北京航空航天大学

一、背景

在多无人地面车辆（UGV）对抗中，系统需要根据战场环境自动生成协调的战术决策。然而现有方法存在显著不足：

• 基于规则的方法：虽然决策逻辑可解释，但适应性差，规则库膨胀导致复杂度高。
• 强化学习方法：具备一定自适应能力，但策略黑箱化，难以解释，且多集中于动作层控制而非战略层决策。
• 层级强化学习：虽结合规划与控制，但层间接口刚性，难以生成新战术模式。

为此，文章提出一种基于视觉-语言模型与轻量级大语言模型的“指挥官”架构，模拟人类指挥官的思维过程，实现从视觉感知到语言化推理再到战术决策的完整链条。

二、贡献

1. 语义驱动的战术推理建模：将战术决策过程重构为自然语言认知过程，在共享语义空间中实现感知与推理一体化，模拟人类指挥官的思考逻辑。
2. 基于VLM-LLM的指挥官架构：提出一种由视觉-语言模型和轻量级语言模型组成的全链式结构，实现从图像感知到战术调度的端到端闭环。
3. 专家系统辅助训练与语义对齐：设计专家系统生成高质量战术标签与偏好数据，实现VLM与LLM之间的语义一致性，并通过DPO对齐优化推理稳定性。

三、方法

模型整体分为三部分：感知模块、决策模块和专家系统。

1.感知模块（VLM）

• 输入俯视图图像 I ,输出结构化语义信息 S = {S_u, S_l, S_r }:
  • 单元层 S_u ：识别各单位的位置、阵营、状态；
  • 局部层 S_l ：分析邻近单位间的空间关系与可见性；
  • 区域层 S_r ：总结各战区的敌我分布与区域态势。
• 通过这种层次化语义抽象，LLM能够直接在语义空间进行推理，无需复杂后处理。

2.决策模块（LLM）

• 接受语义输入 S(t) ，输出战术指令集 U(t)：

• 其中 τ_i 为动作类型（Attack, Support, Retreat等），p​_i​ 为目标位置。
• LLM负责任务分配、冲突解决与战术规划，可生成如包抄、诱敌、支援等复杂策略。

3.专家系统

• 模拟人类指挥逻辑，计算：
  • 威胁值：衡量敌方战略影响；
  • 危险值：评估我方受威胁程度；
  • 攻击代价：综合距离、朝向、威胁程度与可见性；
  • 协同代价：评估多机包抄的效果。
• 基于这些指标，系统生成“规则化战术指令”，作为LLM训练监督信号。

四、实验

• 实验环境：
  • 仿真战场：30×16 m，最大步长2000，时间步0.1 s。
  • 训练场景：5v5，测试扩展至7v7与9v9。
  • 评价指标：感知精度P、召回率R、幻觉率R_H、平均决策时间T_c、胜率R_W​、生存率R_S、决策增益指数I_drv​ 。
• 基线模型： 规则模型（Rule）、强化学习（RL）、单VLM模型（VLM）。

• 结果分析：
  • VLM+LLM模型在感知精度、胜率、生存率等指标上均优于基线。
  • 平均决策时间降低约 25%，同时保持更高决策质量。
  • 即使出现部分视觉定位误差，LLM仍能保持合理推理并形成包围等高阶战术。
  • 消融实验表明，去掉专家系统或LLM都会显著降低性能。
  • 扩展到更大规模（9v9）后，VLM+LLM的感知准确率稳定在约 75%，体现出良好扩展性与鲁棒性。

五、结论

文章提出的基于视觉-语言模型的指挥官架构实现了从图像感知到战术决策的统一过程：

• VLM 负责场景理解与语义抽象；
• 轻量级 LLM 执行语言化战术推理与指令生成；
• 专家系统提供高质量训练监督与偏好对齐。

实验结果证明该架构在自适应性、可解释性和扩展性上均优于传统方法。